基于时间序列疏系数模型的太阳辐射年际变化趋势预测

利用1961—2016年山东省济南市太阳年总辐射量观测数据,通过模型识别和统计检验,对比分析时间序列模型AR(5)和ARIMA((1,2,4),1,0)的拟合结果。残差检验结果表明,疏系数模型ARIMA ((1,2,4),1,0)可用于预测地表太阳年总辐射量,预测结果显示2017—2025年济南市地表太阳辐射的年际变化整体呈增长趋势。对比多元线性回归模型结果,时间序列疏系数模型误差较小,预测准确度相对较高。

内蒙古第三产业增加值的研究——基于ARIMA疏系数模型

本文运用时间序列建模方法对内蒙古第三产业增加值进行了分析和研究,首先通过对第三产业增加值序列的平稳化处理,然后运用ARMA方法进行建模,最终确立了ARIMA疏系数模型。经过检验,模型预测效果良好,可用于对未来的预测。

非平稳序列的疏系数混合回归模型

根据月降雨和月径流的特点，建立了疏系数混合回归模型，并对此类非平稳时间序列的建模及预报方法进行了研究．

一种模拟非线性复杂系统的简化方法——疏系数化方法

用非线性时间序列模型描述复杂系统，往往因模型参数过多而导致负效应，疏系数化方法能简化模型结构、实现系统内在规律。

基于疏系数季节模型的南宁房地产投资分析与预测

本文应用R软件并基于疏系数季节模型对南宁房地产投资进行了分析与预测。模型地MAPE值和TIC值均显示模型地拟合精度较好。模型有一定的参考意义。

时间序列的疏系数季节模型在地下水动态模拟中的应用

由于地下水埋深受气象因素影响呈现年周期变化，且因气候的波动和生态环境的变迁，使地下水埋深在不同年份相同阶段并不相同。将时间序列的季节模型用于人民胜利渠古黄河背河洼区、漫滩区月平均地下水埋深动态建模之中。计算结果表明，模型为疏系数季节模型，模型精度显著高于自回归模型。

疏系数ARIMA模型预测江西省肺结核发病趋势

目的探讨疏系数求和自回归移动平均（ARIMA）模型预测结核病发病率的可行性，为制定有针对性的防制政策提供科学依据。方法根据江西省2005年1月-2013年12月结核病监测发病资料进行疏系数ARIMA预测模型的建立，选择2014和2015年肺结核发病资料评价预测效果。结果江西省2005年1月-2013年12月肺结核的发病率呈现以年为周期的季节效应，并且出现长期递减的趋势；拟合疏系数ARIMA（0，（1，12），（2，3））模型可以较好地诠释肺结核历史发病数据，且对2014和2015年肺结核的月发病率预测情况与实际情况基本相近。结论疏系数ARIMA模型能有效阐明江西省肺结核的发病时间规律和预测发病趋势。

中国保险业规模的变动分析——基于时间序列模型的选择与优化

文章基于时间序列模型对我国保险业规模的变动进行了分析预测。在分析理论机制的基础上,主要选取从广度的角度体现保险规模的保险密度指标,通过对我国改革开放后1980~2019年的保险密度时间序列数据的分析,找出的最优模型是ARIMA (1, 1, (1, 4))模型,并进行了为期5年的预测,之后对比2020年、2021年度真实的保险密度值,发现该模型对短期中国保险密度年度数值有较好的预测效果。

基于时间序列模型的短期中国能源消费量预测研究

能源的使用与社会生产生活有着密切的联系,对此能源消费量的准确预测对于制定能源生产和消费规划以及保持中国经济健康、持续发展具有极其重要的理论与现实意义。本文采用ARIMA模型,利用中国1990~2019年的能源消费量进行时间序列建模,2020~2021年能源消费量数据进行测试。通过相关的检验和分析,疏系数ARIMA((5),2,1)模型的拟合效果较好,对比2020和2021年真实数据发现预测平均误差仅为0.835%,因此利用该模型对中国未来三年的能源消费量进行预测。预测结果表明,未来三年中国能源消费量仍然增加,但是增长速度放缓,符合中国当前低碳经济发展背景。

时滞GM(1,N)模型及其应用

滞后效应普遍存在于社会经济系统中,针对常规的灰色控制模型没有考虑时滞效应的问题,文章在已有的时滞MGM(1N)模型和时间序列模型基础之上,构建时滞GM(1N)模型,给出疏系数模型形式。利用灰色关联度和平均相对误差绝对值来确定时滞模型的阶数,基于最小二乘法进行参数辨识,研究了该模型的预测等问题,并运用疏系数时滞GM(1N)模型分析海洋科研课题数对海洋经济增长的影响。实证分析结果说明了该方法的有效性。

中国社会消费品零售总额的预测模型

用自回归、移动平均、自回归移动平均模型（ARIMA）拟合分析2002年1月到2008年8月中国社会消费品零售总额,建立预测消费品零售总额的疏系数乘积季节模型,并用该模型预测2008年6-10月的社会消费品零售总额和2009年月度消费品零售总额.模型预测误差率都在0.03以内,估计值与真实值吻合,拟合效果能达到预期的目的.

河南省城镇居民人均消费支出预测

选取1980-2018年河南省城镇居民人均消费支出情况作为样本,通过对1980-2014年的数据构建ARIMA疏系数模型进行研究,并且以2015-2018年的数据为参照,判断模型的拟合效果,进而对2019-2022河南省城镇居民人均消费支出进行预测。结果表明,用ARIMA((4),2,1)模型能够对河南省城镇居民人均消费支出进行较好地预测。

基于ARIMA模型的湖北省CPI时间序列分析及预测

金融危机后,伴随着世界经济的快速增长,通货膨胀问题越来越严重,物价上涨厉害。本文利用湖北省2008年9月至2011年这4年(32个月)的月度数据,对湖北省CPI序列建立求和自回归移动平均(ARIMA)模型。结果表明,疏系数模型ARIMA((1,3,10),1,(2,3))是描述湖北省CPI变化趋势较优的时间序列模型。本文利用此模型对2011年5、6、7月的湖北省CPI指标进行了预测并提出了相应的建议。

基于时间序列模型的猪肉市场价格变动分析

自改革开放以来,中国畜牧业快速发展,畜禽规模化养殖水平得到持续提升。在市场经济之下,保持畜产品价格水平的合理性,不仅关系到肉蛋奶等“菜篮子”商品的足量供给与农民收入,更关系到物价的消费水平与社会生活的稳定。以肉类消费占比最高的猪肉产品为代表,将《全国农产品成本收益资料汇编》的相关数据进行整理分析,选取1989—2018共30年的生猪价格数据,构建ARIMA疏系数模型,并对短期内的生猪价格进行预测,同时提出猪肉价格调控政策的相关建议。

运用统计分析方法,加强企业生产管理

本文运用相关分析和主成分分析对企业的生产、管理进行了分析,并对其生产成本作了预测,帮助企业分析了亏损的原因,为企业确定今后的发展方向提供了科学的依据。

基于ARIMA模型的江苏省GDP预测分析

本文基于1975~2020年江苏省GDP数据,运用R软件对1975~2015年的时间序列数据建立模型,再通过比较AIC信息准则值以及观察自相关以及偏自相关图像,确定最优模型:疏系数模型。之后运用对比得到的最优模型对于江苏省2016~2020年的GDP数值进行预测分析,并将预测值与真实值进行对比,结果显示利用该模型进行预测的误差较小,模型精度较高的结论。进而说明疏系数模型对于江苏省GDP预测工作的准确性。

基于时间序列方法建立广东省肺结核病发病预测模型

以广东省2004-2016年各月肺结核发病例数为数据基础,结合时间序列分析方法与SAS软件、Excel软件,构建广东省肺结核发病例数预测模型疏系数ARIMA((11,12),1,(1,11))模型,得出广东省肺结核发病规律为每年的3月-8月是广东省肺结核发病的高发期,4月、12月分别为每年发病的最高峰和最低峰.用2017年各月肺结核发病例数检测模型预测效果,预测值符合广东省肺结核发病规律,平均绝对百分比误差为2.12%,模型属于高精度模型.对2018年各月肺结核发病例数进行预测,预测值均落入95%置信区间内.疏系数ARIMA((11,12),1,(1,11))模型可较精确预测广东省肺结核发病例数,为肺结核的预防控制工作提供理论基础.

基于统计分析的耳石症发病率影响因素分析

本课题主要是通过调查方式研究气候因素对耳石症是否有显著影响,从而找到耳石症的病因。根据灰色关联计算得出舒适度与病例数的关联度r=0.7437属于强关联,通过类平均系统聚类分析对数据的特征提取,即病例数对应的天气特征提取,从而得出病例数与气象因素存在着明显的周期关系,在舒适度为[50,70]即人体最佳舒适度范围内,病例数为一年当中最少,其他数值呈现出两极化,最后通过ARIMA模型,预测1年期的病例数,得出科学结论并给出合理的建议。

目标企业产品销量的预测模型与分析

本文主要应用时间序列模型中的ARIMA模型、疏系数ARIMA模型和自回归、残差自回归几种模型,对目标空调企业1996—2007年的全国空调总销售量月度变化进行建模。通过比较和分析各模型的数据拟合情况和所得的特征统计量,评价各模型的优劣,得到拟合该空调企业销量变化的最优模型,并利用所得模型计算出该企业空调未来十个月总销量的预测值,供该企业生产、营销部门参考。